黄闻欣-AI 重塑技术流程：下半场的破局之道.pdf

AI重塑技术流程：下半场的破局之道

演讲⼈：victorhuang

腾讯云/专项性能⼯程中⼼

⽬录

CONTENTS

01为什么“下半场”？02保持战⼒：沉淀-⻜轮

03提升战⼒：提建议-给代码04打造战⼒：核⼼竞争⼒

01

为什么“下半场”

AI领航：开启降本增效“下半场”

为什么是“下半场”？

•上半场：初步的成本削减和效率提升措施

•产品聚焦

•⼈少事多，进来的新⼈缺乏经验

•⼈员精简•B端新⼈企业也容易承压

•异地⼦公司•异地沟通更困难

⼈员精简/⼦公司

-简单的成本削减失效AI这么⽜

-普通的招数⽤尽：⾃动化经验者承压新⼈战⼒下降但是跟我们的痛

-陷⼊⼈⼒死循环：没精⼒破局却并不相连？

没精⼒建设

•下半场：AI领航，保战⼒，提战⼒

保持团队战⼒：⽤知识传承来保持战⼒

•⽼板们早看出来了，设定了各种“知识”奖

•解决⽅案：知识库wiki+RAG+AI

•难点：

•RAG检索从兴奋到冷静，从完全不能⽤到ok

•RAG的全局性问题效果不佳

知识检索：RAG从完全不靠谱到OK

RAG推荐技巧解决的问题

Small2big更少内容参与到向量检索VS更多内容参与到提示词推理中

Re-rank给向量搜索打补丁

⽗⼦⽂档在普通分块结果的基础上为单⽂档块提供更细粒度的⼦⽂档多路召回路径，提⾼召回率和准确率

能覆盖更多的检索场景，提⾼召回率和精确度，不同的检索⽅法可以互补，向量检索擅⻓捕捉语义相似性（中短输⼊，⽬标⽂档较集

混合检索（向量、

中），分词检索擅⻓精确匹配（短输⼊），图检索擅⻓关系推理（涉及复合概念的任务，利⽤图结构逐步遍历相关实体概念，深⼊全

分词、Graph）

局检索相关信息）

知识库加⼯对于低质量、格式杂乱的数据源，利⽤⼤模型本身的信息抽取能⼒和世界知识进⾏抽取和补充，提⾼⽂档内容质量和分割的准确度

RAGfusion基于⽤户输⼊⽣成泛化查询，分别进⾏查询后进⾏⽂档重排，提升召回⽂档的准确性和丰富度

问题：我应该怎么新建提示词⼯作流，然后不公开分

享出去给别⼈使⽤？

遗留问题：

-完全没有提到⽂档中的

FunctionCall

更进⼀步的知识检索：拍扁的神经⽹络=知识图谱

关联了更多⽂档中的相关知识点

普通RAG

【案例】RUM⼯单处理⻜轮

RAG•知识沉淀：⼯单之痛

1.⼯单本身穿透到原⼚就证明这个缺乏知识沉淀

AI提取